基于机器学习的文本情感识别代码

以下是一个基于机器学习的文本情感识别的示例代码，使用朴素贝叶斯分类器：

import nltk
import random
from nltk.corpus import movie_reviews

# 获取影评数据集
documents = [(list(movie_reviews.words(fileid)), category)
             for category in movie_reviews.categories()
             for fileid in movie_reviews.fileids(category)]

# 打乱数据集顺序
random.shuffle(documents)

# 提取文本特征
all_words = nltk.FreqDist(w.lower() for w in movie_reviews.words())
word_features = list(all_words.keys())[:2000]

def document_features(document):
    document_words = set(document)
    features = {}
    for word in word_features:
        features['contains({})'.format(word)] = (word in document_words)
    return features

# 构建特征集
featuresets = [(document_features(d), c) for (d,c) in documents]

# 分割数据集
train_set, test_set = featuresets[100:], featuresets[:100]

# 训练模型
classifier = nltk.NaiveBayesClassifier.train(train_set)

# 测试模型
print(nltk.classify.accuracy(classifier, test_set))

# 对新文本进行情感识别
text = "This movie is terrible!"
print(classifier.classify(document_features(text.split())))

这段代码使用NLTK库中的朴素贝叶斯分类器进行情感识别。首先，从Movie Reviews数据集中提取文本特征，然后将特征集分为训练集和测试集。接下来，训练模型并测试模型的准确性。最后，我们可以使用训练好的模型对新的文本进行情感识别。